بررسی اختلال پاراکلینیک موثر در مرگ و میر بیماران ترومایی با استفاده از شیوه های داده کاوی

چکیده مقدمه: تروما شایع ترین سبب مرگ و میر در جهان است که بیشتر بر اثر پیشامدهای جاده ای رخ می دهد و شناسایی به هنگام بیماران با آسیب دیدگی حاد، باعث اتخاذ درست اقدام پزشکی و در نتیجه نجات جان آنان و پرهیز از صرف هزینه های هنگفت درمانی خواهد شد. هدف: یافتن بهترین الگوریتم داده کاوی برای شناسایی اختلال پاراکلینیکی موثر در مرگ و میر بیماران ترومایی مواد و روش ها: این پژوهش بر 1073 بیمار ترومایی و 52 ویژگی ثبت شده در سیستم بیمارستانی مرکز آموزشی درمانی پورسینای رشت انجام شد. برای یافتن عوامل موثر و الگوی ارتباطی بین متغیرها، تکنیک های داده کاوی دسته بندی و روش هایی مانند درخت تصمیم، k نزدیک ترین همسایه و شبکه عصبی بر داده ها پیاده سازی و دقت پیشگویی آنان به روش 10-fold ارزیابی و مقایسه شد. نتایج: از 1073 بیمار ترومایی، 185 نفر(2/17%) زن و 888 نفر(8/82%) مرد بودند. 237 نفر )1/22%( فوت شدند که بیشترین آنان (30% معادل 71 نفر) کمتر از یک هفته بستری و 56 نفر (6/23%) تا یک روز بستری بودند که ارتباط معنی داری بین مدت بستری و مرگ بیماران وجود داشت(0001/0p=). از الگوریتم های اجرا شده داده کاوی، درخت تصمیم و k نزدیک ترین همسایه بالاترین دقت، به ترتیب 91% و 89% در دسته بندی و پیشگویی پیامد بیماران(مرگ یا بهبود) را داشت. به همین سبب به روش best first (بهترین اولین) در درخت تصمیم از 52 ویژگی بررسی شده، 18 ویژگی از عوامل موثر در مرگ بیماران تشخیص داده شد. نتیجه گیری: با توجه به دقت بالای الگوریتم های داده کاوی مانند درخت تصمیم، عوامل موثر در مرگ و میر بیماران ترومایی پیشگویی و بدین وسیله با شناسایی افراد در معرض خطر، جان آنان نجات داده شد.